🦾 极客工具

obsidian-gtd-weekly

8分钟阅读

每周用 10 分钟完成深度复盘？这套基于 PDCA 循环的 Obsidian 周总结工作流，通过 dataview 脚本自动聚合日记中的 GDG 思考和待办数据，生成可视化周报后自动归档原始日记。告别 3650 个散落文件，用自动化实现知识沉淀，让每周成长清晰可见。

轻松做好周总结：PDCA 循环 + Obsidian 自动化工作流

周报 VS 周总结

一提到写 周报 大家都会有点紧张有压力，感觉是要写点什么给上级汇报，表明自己没摸鱼。 但是 周总结 这个词却没有这种感觉，当把视角从 证明价值 转为 创造价值，周报便不再是向上表演的苦差了。

总结是一个自我驱动的词，是一个自我对话的契机，我的周总结不局限于工作汇报，个人工作/项目的执行情况，习惯养成情况，身体/心理的能量状态，也在记录和总结范畴；

之前分享了 Obsidian写日记的方法，很多朋友问：每天写那么多零散的日记，到年底会不会变成几千个找不到的碎片？ 今天就来分享我的解决方案——用 PDCA 循环 + Obsidian自动化脚本，每周 10 分钟把 7 天碎片变系统总结。

方法论：当 PDCA 遇上 Obsidian

在个人知识管理中，周总结是连接碎片化记录与系统化复盘的关键枢纽。我将其拆解为 PDCA 四步闭环：

  1. Plan：每周一用模板生成计划框架，基于代办池（inbox.md）,确定本周的重要的 3 件事;
  2. Do：每日记录 GDG 思考（Good/Difficult/Different）+ Task 任务执行情况；
  3. Check：周六用脚本聚合本周的日记数据，复盘哪些做的好，哪些任务存在阻碍，如何推进。
  4. Act：漫游将本周日记中关联的笔记，提取卡片，形成永久笔记，删除原始日记避免信息过载；
%% PDCA极简脑图（Obsidian适配版）
mindmap
  root((PDCA))
    Plan["📅 Plan 计划"]
      --> PeriodicNotes(周总结模板)
      --> TaskBacklog(待办池)
      --> Important(定最终要的3件事)
    Do["▶️ Do 执行"]
      --> Memos(每日闪念)
      --> Tasks(任务追踪)
      --> Check(打卡追踪)
    Check["🔍 Check 检查"]
      --> DataviewJS(数据聚合)
      --> Review(GDD复盘)
    Act["🚀 Act 处理"]
      --> WeeklyArchive(周报归档)
      --> CleanDiary(日记清理)
      --> CardMake(永久笔记归档)

这套 PDCA 的妙处在于把抽象的管理方法论变成可 Ctrl+C/V 的操作指南。

当你在 Obsidian 中：

  1. 按下 Ctrl+P 调出命令面板
  2. 输入 weekly，按模板一键「生成周报」；
  3. 制定 1 周计划；
  4. 一周结束后，看着自动填充的 GDG 思考和一周待办

你会真切感受到：真正的效率工具不是替代思考，而是让有价值的思考自然浮现。就像老农用自动灌溉系统解放双手，才有时间思考作物的生长规律。

因为周总结可能会在一周的最后 2 天或者下一周的第 1 天做，所以我设计了 2 组按钮（GDD 聚合，Task 聚合）； 点击按钮即即可一键聚合，脚本会自动覆盖已经生成的数据；

做个小调查，啥时候需要的同学超过 500，我就把模板整理后开源。

工具准备

基础工具

  1. Periodic Notes：自动生成周/日记框架
  2. Tasks：任务生命周期管理 ✅ 天然支持任务进度追踪：已完成/未完成/推迟 📊 原生视图统计：按标签/日期/优先级分组
  3. Templater：提供日，周，月，季，年，阅读，会议等基础模板框架

核心工具 - DataviewJS

与普通 Dataview 的区别：

  1. 能动态执行 JS 代码，处理自定义的数据分组和排序；
  2. 实时文件操作，生成聚合内容；

我的三个关键应用场景

  1. GDG 闪念笔记聚合：自动提取本周所有 #good/#difficulet/#different 三个标签内容，然后按 gdd 三个维度分组，按时间排序
  2. tasks 待办内容聚合：我在日记里记录待办的时候，会给他打上标签（比如说项目名，事物，编码，工具之类），然后就可以自动提取本周所有的待办，按待办的标签分组，按时间排序，
  3. 物理聚合归档：此处使用 DataviewJS 聚合数据写入周总结，而非视图形式。

GDD 明细：使用 AI 生成的演示数据

Task 明细：使用 AI 生成的演示数据

为什么选择物理聚合归档而非视图？

我在实战中发现两种模式的差异：

| 模式 | 动态视图 | 物理聚合 | | -------- | -------- | --------- | | 数据存储 | 依赖原始文件 | 生成独立文件 | | 检索效率 | 随文件量增加变慢 | 恒定时间复杂度 | | 知识图谱 | 节点爆炸式增长 | 关键节点精准连接 | | 迁移成本 | 需完整环境 | 单文件带走全部信息 |

在聚合归档过程中，可以：

  1. 噪声过滤：删除重复/临时性记录
  2. 模式识别：发现任务耗时规律（如每周四效率低谷）
  3. 知识固化：将可复用的思考沉淀为方法文档

周总结的视频演示

写周报很容易陷入罗列这一周干了啥，而缺乏总结思考，最后变成流水帐。 Obsidian 的自动汇总可以帮我自动汇总这些本周工作内容，这样我的精力就解放出来了，有时间去贯彻 PDCA。

下面按 PDCA 循环来演示我的一周工作流。

  1. Plan：使用 period notes，创建 obsidian 周模板，做周计划
  2. Do：用 cline + deepseek 生成了 1 周的日记模拟数据；
  3. Check：汇总数据，复盘总结，识别差距原因
  4. Action：将有效方案固化，若未达成，启动新循环，调整计划/执行方法；

最后的小建议

刚开始不用追求完美，我从手写总结到现在的自动化汇总也是用了 1 年时间。 重要的不是工具多高级，而是养成记录的习惯，有了每天的日记输出，周总结水到渠成。

关系图谱